Modelo de predicción para la demanda de usos en las escuelas de natación de una Caja de compensación / Camilo Garzón Márquez .

Por: Garzón Márquez , CamiloColaborador(es): Conti, Dante [director.] | Tolosa Robayo, Alejandro [Autor.]Tipo de material: Archivo de ordenadorArchivo de ordenadorEditor: Bogotá : Escuela Colombiana de Ingeniería Julio Garavito, 2022Descripción: 51 paginas. ilustracionesTema(s): ANALISIS DE DATOS | OPTIMIZACIÓN -- USO DE LAS PICINAS -- CAJA DE COMPENSACIÓN | MODELOS ESTADÍSTICOSClasificación CDD: 005.74 Recursos en línea: Haga clic para acceso en línea Nota de disertación: ( Magister en Ciencia de Datos.) Resumen: El pronóstico de la demanda es clave para la gerencia de Recreación y Deportes en la CAJA COLOMBIANA DE SUBSIDIO FAMILIAR (COLSUBSIDIO). Por medio del ciclo CRISPDM (entendimiento del negocio, entendimiento de los datos, preparación de los datos, modelado, evaluación y despliegue) se desarrolló un modelo predictivo que permite pronosticar la cantidad de sesiones en las escuelas de natación por sede, nivel, intensidad, día, intervalo, tipo de afiliado (categoría A, B, C). Esta demanda permite estimar la ocupación por piscina y los gastos asociados a la operación de las escuelas de natación como mantenimiento, limpieza, arriendo, entre otros. Dada la temporalidad de los programas, la calidad de la información, los continuos cambios de procesos y el impacto de la pandemia, el ejercicio se ejecutó a través de un matchup entre varios modelos como Regresión logística, Holt Winters, ETS Estocástico, XGBoost, Decision Tree y SVM, obteniendo una confianza del modelo entre 30% y 80%.
Etiquetas de esta biblioteca: No hay etiquetas de esta biblioteca para este título. Ingresar para agregar etiquetas.
    Valoración media: 0.0 (0 votos)

( Magister en Ciencia de Datos.)

El pronóstico de la demanda es clave para la gerencia de Recreación y Deportes en la CAJA
COLOMBIANA DE SUBSIDIO FAMILIAR (COLSUBSIDIO). Por medio del ciclo CRISPDM (entendimiento del negocio, entendimiento de los datos, preparación de los datos,
modelado, evaluación y despliegue) se desarrolló un modelo predictivo que permite pronosticar
la cantidad de sesiones en las escuelas de natación por sede, nivel, intensidad, día, intervalo, tipo
de afiliado (categoría A, B, C). Esta demanda permite estimar la ocupación por piscina y los
gastos asociados a la operación de las escuelas de natación como mantenimiento, limpieza,
arriendo, entre otros. Dada la temporalidad de los programas, la calidad de la información, los
continuos cambios de procesos y el impacto de la pandemia, el ejercicio se ejecutó a través de un
matchup entre varios modelos como Regresión logística, Holt Winters, ETS Estocástico,
XGBoost, Decision Tree y SVM, obteniendo una confianza del modelo entre 30% y 80%.

No hay comentarios en este titulo.

para colocar un comentario.

Haga clic en una imagen para verla en el visor de imágenes